基于C#部署YOLOv5目標檢測模型 核心技術(shù)深度解析

1. 智能圖像預(yù)處理：保持長寬比的縮放和填充策略

1.1 技術(shù)背景

在深度學(xué)習(xí)目標檢測中，模型通常要求固定尺寸的輸入（如320×320、640×640）。然而，實際應(yīng)用中的圖像尺寸往往是任意的，直接拉伸會導(dǎo)致圖像變形，影響檢測精度。因此需要智能的預(yù)處理策略。

1.2 算法原理

長寬比計算與決策

float hw_scale = (float)srch / srcw;  // 計算高寬比

決策邏輯：

• hw_scale > 1：圖像高度大于寬度（豎圖）
• hw_scale < 1：圖像寬度大于高度（橫圖）
• hw_scale = 1：正方形圖像

豎圖處理策略（高 > 寬）

if (hw_scale > 1)
{newh = inpHeight;                    // 高度保持為目標高度neww = (int)(inpWidth / hw_scale);   // 按比例計算新寬度Cv2.Resize(srcimg, dstimg, new OpenCvSharp.Size(neww, newh), 0, 0, InterpolationFlags.Area);// 計算左右填充left = (int)((inpWidth - neww) * 0.5);Cv2.CopyMakeBorder(dstimg, dstimg, 0, 0, left, inpWidth - neww - left, BorderTypes.Constant);
}

數(shù)學(xué)推導(dǎo)：

原圖尺寸: H × W
目標尺寸: inpHeight × inpWidth
高寬比: hw_scale = H / W當 hw_scale > 1 時：
- 新高度: newh = inpHeight
- 新寬度: neww = inpWidth / hw_scale = inpWidth × W / H
- 左填充: left = (inpWidth - neww) / 2
- 右填充: inpWidth - neww - left

橫圖處理策略（寬 > 高）

else
{newh = (int)(inpHeight * hw_scale);  // 按比例計算新高度neww = inpWidth;                     // 寬度保持為目標寬度Cv2.Resize(srcimg, dstimg, new OpenCvSharp.Size(neww, newh), 0, 0, InterpolationFlags.Area);// 計算上下填充top = (int)((inpHeight - newh) * 0.5);Cv2.CopyMakeBorder(dstimg, dstimg, top, inpHeight - newh - top, 0, 0, BorderTypes.Constant);
}

1.3 填充策略詳解

BorderTypes.Constant 填充

• 使用常數(shù)值（默認為0，即黑色）填充邊緣
• 不會引入額外的圖像信息，避免干擾模型判斷
• 在YOLOv5訓(xùn)練時也采用相同策略，保持一致性

居中填充算法

// 左右填充（豎圖）
left = (int